12_View动画-集合

package com.itheima.animation;


import android.app.Activity;
import android.os.Bundle;
import android.view.View;
import android.view.animation.AlphaAnimation;
import android.view.animation.Animation;
import android.view.animation.AnimationSet;
import android.view.animation.RotateAnimation;
import android.view.animation.ScaleAnimation;
import android.view.animation.TranslateAnimation;
import android.widget.ImageView;


public class MainActivity extends Activity {


ImageView iv ; 
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
iv = (ImageView)findViewById(R.id.iv);
}




public void translate(View v){
//定义平移动画
/*TranslateAnimation anim = new TranslateAnimation(
0, 50, 
0, 200);*/

/**
*  Animation.ABSOLUTE :代表的是后面给定的值是绝对的长度, 像素个数。
*  
*   Animation.RELATIVE_TO_SELF : 参照的是自己的宽高倍数 , 后面的值说的是倍数
*   

*   
* Animation.RELATIVE_TO_PARENT : 代表的是父元素的倍数: 在这代表整个屏幕

*/

TranslateAnimation anim = new TranslateAnimation(
Animation.RELATIVE_TO_PARENT, 0, 
Animation.RELATIVE_TO_PARENT, 0.5f, 
Animation.RELATIVE_TO_PARENT, 0, 
Animation.RELATIVE_TO_PARENT, 0.5f);

//定义时间长度
anim.setDuration(2000);

//设置动画无限循环播放
anim.setRepeatCount(Animation.INFINITE);

//设置动画循环的模式 , reverse ,播放完毕之后,倒着播放
anim.setRepeatMode(Animation.REVERSE);

//指定让这个控件播放当前的动画
iv.startAnimation(anim);

}




public void rotate(View v){

RotateAnimation anim  = new RotateAnimation(
0, 360 , //从什么角度旋转到什么角度
Animation.RELATIVE_TO_SELF, 0.5f,
Animation.RELATIVE_TO_SELF, 0.5f);

// 定义时间长度
anim.setDuration(2000);


// 设置动画无限循环播放
anim.setRepeatCount(Animation.INFINITE);


// 设置动画循环的模式 , reverse ,播放完毕之后,倒着播放
anim.setRepeatMode(Animation.REVERSE);


// 指定让这个控件播放当前的动画
iv.startAnimation(anim);
}

public void scale(View v){

ScaleAnimation anim = new ScaleAnimation(
1, -1, //初始的倍数到什么倍数
1, -1/**/, 
Animation.RELATIVE_TO_SELF, 0.5f, //从自己的中心缩放
Animation.RELATIVE_TO_SELF, 0.5f);


// 定义时间长度
anim.setDuration(2000);


// 设置动画无限循环播放
anim.setRepeatCount(Animation.INFINITE);


// 设置动画循环的模式 , reverse ,播放完毕之后,倒着播放
anim.setRepeatMode(Animation.REVERSE);


// 指定让这个控件播放当前的动画
iv.startAnimation(anim);
}


public void alpha (View v){

//从半透明到不透明  0.0---完全透明  1.0 --- 完全不透明
AlphaAnimation anim = new AlphaAnimation(0.5f, 1.0f);

// 定义时间长度
anim.setDuration(2000);


// 设置动画无限循环播放
anim.setRepeatCount(Animation.INFINITE);


// 设置动画循环的模式 , reverse ,播放完毕之后,倒着播放
anim.setRepeatMode(Animation.REVERSE);


// 指定让这个控件播放当前的动画
iv.startAnimation(anim);
}


public void set(View v){


RotateAnimation anim  = new RotateAnimation(
0, 360 , //从什么角度旋转到什么角度
Animation.RELATIVE_TO_SELF, 0.5f,
Animation.RELATIVE_TO_SELF, 0.5f);

// 定义时间长度
anim.setDuration(2000);


// 设置动画无限循环播放
anim.setRepeatCount(Animation.INFINITE);


// 设置动画循环的模式 , reverse ,播放完毕之后,倒着播放
anim.setRepeatMode(Animation.REVERSE);


ScaleAnimation sanim = new ScaleAnimation(
3, -3, //初始的倍数到什么倍数
3, -3/**/, 
Animation.RELATIVE_TO_SELF, 0.5f, //从自己的中心缩放
Animation.RELATIVE_TO_SELF, 0.5f);


// 定义时间长度
sanim.setDuration(2000);


// 设置动画无限循环播放
sanim.setRepeatCount(Animation.INFINITE);


// 设置动画循环的模式 , reverse ,播放完毕之后,倒着播放
sanim.setRepeatMode(Animation.REVERSE);


//shareInterpolator  --是否共用同一个插入器
//true ---里面的子动画共用集合的插入器
//false - -子动画使用自己的插入器

//声明一个动画集合
AnimationSet set = new AnimationSet(false);

//往集合里面添加动画
set.addAnimation(anim);

set.addAnimation(sanim);

//让控件播放集合中的动画
iv.startAnimation(set);

}
}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值